×
乔治·T·霍尔。;彼得罗·奥利维托。;德克·苏霍尔特

性能指标对高效算法配置的影响。 （英语） Zbl 07482888号

工件。智力。 303，文章ID 103629，27 p.（2022）.
摘要：算法配置器是针对一类问题优化算法参数的自动化方法。我们分析了截止时间（kappa）（为问题实例评估配置所花费的时间）对找到性能指标的最佳参数值（用于判断配置性能的度量）所需的预期配置比较次数的影响使用最佳适应值或优化时间比较配置。我们首先证明，使用优化时间作为性能度量的配置器无法使用\（\kappa\leq（n\ln n）/2\）为优化数达到指数的任何函数调整任何一元无偏算法。然后，我们表明，对于简单的算法配置场景，优化时间度量所需的截止时间可能要大得多，而使用最佳适应度度量允许调谐器在参数数量的线性时间内配置目标算法。

引用于1文件

MSC公司：

68泰克 人工智能

关键词：

算法配置器;参数整定;运行时分析;性能指标;截止时间

软件：

萨滕斯坦;SMAC公司;irace公司;现场;帕拉米尔斯
PDF格式BibTeX公司 XML格式引用
\textit{G.T.Hall}等人，Artif。智力。303，文章ID 103629，27 p.（2022；Zbl 07482888）
全文： 内政部 链接

参考文献：

[1] 艾本，A。；Hinterding，R。；Michalewicz，Z.，进化算法中的参数控制，IEEE Trans。进化。计算。，3, 2, 124-141 (1999)
[2] Stützle，T。；López-Ibáñez，M.，《元启发式算法的自动化设计》，541-579（2019），施普林格国际出版公司
[3] KhudaBukhsh，A.R。；徐，L。；胡斯，H.H。；Leyton-Brown，K.，SATenstein：从组件自动构建本地搜索SAT解算器，Artif。整数。，232, 20-42 (2016) ·Zbl 1351.68255号
[4] Fukunaga，A.S.，用于可满足性测试的本地搜索启发式的自动发现，Evol。计算。，16, 1, 31-61 (2008)
[5] Hutter，F。；胡斯，H.H。；Leyton Brown，K.，《ParamILS：一个自动算法配置框架》，J.Artif。智力。第36号、第1号、第267-306号决议（2009年）·Zbl 1192.68831号
[6] 伯克，E.K。；根德罗，M。；海德，M。；Kendall，G。；奥乔亚，G。；厄兹坎，E。；Qu，R.，《超神经科学：现状调查》，J.Oper。Res.Soc.，64、12、1695-1724（2013）
[7] López-Ibáñez，M。；Dubois-Lacoste，J。；佩雷斯·卡塞雷斯（Pérez Cáceres，L.）。；比拉塔里，M。；Stützle，T.，《irace包：自动算法配置的迭代竞赛》，Oper。研究展望，343-58（2016）
[8] Bartz-Beielstein，T。；拉萨尔茨克，C.W.G。；Preuß，M.，序列参数优化，（2005年IEEE进化计算大会论文集。2005年IEEE-进化计算大会文献集，CEC’05，第1卷（2005），IEEE），773-780
[9] Bartz-Beielstein，T。；拉萨尔茨克，C.W.G。；Preuß，M.，序列参数优化工具箱，（优化算法分析的实验方法（2010），Springer），337-362·Zbl 1208.90166号
[10] Hutter，F。；胡斯，H.H。；Leyton-Brown，K.，通用算法配置的基于序列模型的优化，（学习与智能优化国际会议，学习与智能最优化国际会议，LION’11（2011），Springer），507-523
[11] 比拉塔里，M。；袁，Z。；巴拉普拉卡什，P。；Stützle，T.，F-Race和迭代F-Race：概述，（优化算法分析的实验方法（2010），Springer），311-336·Zbl 1204.68280号
[12] Kleinberg，R。；莱顿-布朗，K。；Lucier，B.，《通过拖延实现效率：具有运行时保证的近似最优算法配置》，（第26届国际人工智能联合会议论文集。第26届国际人工智能联合会议论文集，IJCAI’17（2017），AAAI出版社），2023-2031
[13] 普沙克，Y。；Hoos，H.H.，算法配置环境：比预期更良性？，（《自然并行问题解决国际会议论文集》，自然并行问题求解国际会议论文，PPSN’18（2018），Springer），271-283
[14] 奎克，R.J。；Rayward-Smith，V.J。；Smith，G.D.，适应距离相关性和岭函数，（自然并行问题解决国际会议，自然并行问题求解国际会议，PPSN’98（1998），Springer），77-86
[15] Droste，S。；Jansen，T。；Wegener，I.，关于\（（1+1）\）进化算法的分析，Theor。计算。科学。，276, 1-2, 51-81 (2002) ·Zbl 1002.68037号
[16] 霍尔，G.T。；Oliveto，P.S。；Sudholt，D.，《关于截止时间对算法配置器性能的影响》，（《遗传与进化计算会议论文集》，《遗传与演化计算会议论文集中》，GECCO’19（2019），ACM），907-915
[17] （Auger，A.；Doerr，B.，《随机搜索启发式理论：基础和最新发展》（2011），《世界科学》）·Zbl 1233.90005
[18] 丹·D·C。；弗里德里希，T。；Kötzing，T。；Krejca，M.S。；Lehre，P.K。；Oliveto，P.S。；Sudholt，D。；Sutton，A.M.，使用交叉和紧急多样性逃离局部最优，IEEE Trans。进化。计算。，22, 3, 484-497 (2018)
[19] 康力斯，D。；Oliveto，P.S.，《标准稳态遗传算法比仅变异进化算法更快地爬山》，IEEE Trans。进化。计算。，22, 5, 720-732 (2017)
[20] 丹·D·C。；埃雷梅耶夫，A。；Lehre，P.K.，用非精英进化算法逃离局部最优解，（AAAI 2021（2021）Proc.），12275-12283
[21] 康力斯，D。；Oliveto，P.S.，《关于种群对标准稳态遗传算法开发速度的益处》，《算法》，82，3676-3706（2020）·Zbl 1492.68149号
[22] Oliveto，P.S。；Sudholt，D。；Witt，C.，标准稳态遗传算法的预期运行时间的严格下限，（GECCO 2020（2020）公报），1323-1331
[23] 康力斯，D。；Lissovoi，A。；Oliveto，P.S。；Witt，C.，《稳态进化算法和选择压力：为什么基于逆秩的生殖试验分配最好》，ACM Trans。进化。学习。最佳。，第1、1、2条pp.（2021）
[24] 多尔，B。；多尔，C。；Kötzing，T.，多值决策变量的正确突变强度，（2016年遗传与进化计算会议论文集）。2016年遗传和进化计算会议记录，GECCO’16（2016），ACM），1115-1122
[25] 詹森，T。；Zarges，C.，在固定预算下运行的随机搜索启发式的性能分析，Theor。计算。科学。，545, 39-58 (2014) ·兹比尔1360.68781
[26] Droste，S。；Jansen，T。；Tinnefeld，K。；Wegener，I.，《黑盒优化算法评估的新框架》，（第七届遗传算法基础研讨会论文集。第七届基因算法基础研讨会文献集，FOGA’02（2002），Morgan Kaufmann Publishers Inc.），253-270
[27] Doerr，B.，随机优化启发式分析的概率工具，（进化计算理论（2020），Springer），1-87
[28] Scheideler，C.，协调问题的概率方法，（HNI-Verlagsschriftenreihe 78（2000），Paderborn大学），《习惯化论文》，网址：
[29] Lehre，P.K。；Sudholt，D.，具有尾部边界的并行黑盒复杂性，IEEE Trans。进化。计算。，24, 6, 1010-1024 (2020)
[30] Lehre，P.K。；Witt，C.，《基于无偏变量的Black-box搜索》，《算法》，第64、4、623-642页（2012年）·Zbl 1264.68221号
[31] Badkobeh，G。；Lehre，P.K。；Sudholt，D.，分布式群体并行搜索的Black-box复杂性，（2015年ACM遗传算法基础会议论文集XIII.2015年ACM遗传算法基础大会论文集XIII，FOGA’15（2015），ACM），3-15·Zbl 1361.68103号
[32] Feller，W.，《概率论及其应用导论》，第1卷（1968年），Wiley·Zbl 0155.23101号
[33] Feller，W.，《概率论及其应用导论》，第2卷（1971年），Wiley·Zbl 0219.60003号
[34] 多尔，B。；多尔，C。；Yang，J.，通过精确黑盒分析选择最佳参数，Theor。计算。科学。，801, 1-34 (2020) ·Zbl 1436.68408号
[35] 多尔，B。；多尔，C。；Yang，J.，《通过精确黑盒分析选择最佳参数》（2016年遗传与进化计算会议论文集）。2016年遗传和进化计算会议记录，GECCO’16（2016），ACM），1123-1130
[36] Buskulic，N。；Doerr，C.，最大化漂移对于求解OneMax，Evol.不是最佳的。计算。(2021)
[37] Lengler，J。；Spooner，N.，《（1+1）EA关于线性函数的固定预算绩效》，（2015年ACM遗传算法基础会议论文集XIII.2015年ACM遗传算法基础大会论文集XIII，FOGA’15（2015），ACM），52-61·Zbl 1361.68202号
[38] 多尔，B。；詹森，T。；维特，C。；Zarges，C.，《从预期优化时间得出固定预算结果的方法》，（《第15届遗传和进化计算年会论文集》，《第15次遗传和演化计算年会文献集》，GECCO’13（2013），ACM），1581-1588
[39] Nallaperuma，S。；Neumann，F。；Sudholt，D.，旅行推销员问题随机搜索启发式的预期适应度增益，Evol。计算。，25, 4, 673-705 (2017)
[40] Oliveto，P.S。；Witt，C.，用于证明进化计算下限的简化漂移分析，算法，59，3，369-386（2011）·Zbl 1211.68521号
[41] Oliveto，P.S。；Witt，C.，勘误表：用于证明进化计算下限的简化漂移分析（2012年），预印本
[42] Rowe，J.E。；Sudholt，D.，（1，λ）进化算法中后代种群大小的选择，Theor。计算。科学。，545, 20-38 (2014) ·Zbl 1360.68788号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。